Ни автор, Тим Фриз, ни этот веб-сайт, The Tokenist, не предоставляют финансовые консультации. Пожалуйста, ознакомьтесь с нашей политикой веб-сайта перед принятием финансовых решений.
На выставке потребительской электроники (CES) в Лас-Вегасе компания Nvidia продемонстрировала достижения в трех основных категориях: игры и графика, автономные транспортные средства и ИИ и центры обработки данных. Ранее мы рассказывали о том, как Nvidia достигла вершины благодаря необратимой привязке к ИИ, и теперь ее позиция, по-видимому, еще более укрепилась благодаря новой платформе Vera Rubin. На этот раз мы рассмотрим усилия Nvidia по реализации беспилотных автомобилей. Каковы эти усилия по сравнению с достижениями в области автономии в Китае?
Энд-ту-энд контроль Nvidia над стеком автономных транспортных средств
Так же, как Nvidia предоставляет полный стек ИИ для развертывания в дата-центрах, то же самое верно и для гонки автономного вождения. И так же, как Nvidia зависит от фабрик TSMC для производства своих разработанных чипов, другие компании, такие как Waymo от Alphabet и Tesla, все больше зависят от Nvidia как ключевого поставщика компонентов для автономного вождения.
На последней выставке CES 2026, которая закончилась в пятницу, Nvidia разработала следующие столпы автономного вождения:
Платформа Nvidia DRIVE AGX Hyperion – Предоставляет автопроизводителям готовую к производству и сертифицированную по безопасности архитектуру датчиков и вычислений. От камер до лидара, эти предварительно квалифицированные компоненты снижают затраты автопроизводителей
Nvidia DRIVE AGX Thor Compute – В качестве обновления от Orin, Thor использует архитектуру GPU Blackwell с генеративным ИИ-движком, который в 4-8 раз более производителен. Thor объединяет информационно-развлекательные системы, функции кабины и автономное вождение в единую модель визуально-языкового действия (VLA) для автономии L4.
Система безопасности Nvidia Halos – Сотрудничая с такими партнерами, как Bosch, Wayve, Omnivision, Continental, ANAB и другими, Halos является полной системой безопасности Nvidia, охватывающей проектирование чипов и развертывание, включая аккредитованную инспекционную лабораторию и сертифицированную программу оценки.
Nvidia Omniverse – Набор библиотек, который позволяет симулировать условия как цифровой двойник физического мира, эффективно валидируя подходы к обучению автономного вождения. Учитывая миллиарды крайних случаев, которые могут существовать, omniverse позволяет автопроизводителям учитывать их в физически точных виртуальных городах, в которых работают транспортные средства, датчики, пешеходы, погода, движение и другие факторы.
Короче говоря, Nvidia использует подход Google, который так хорошо сработал для распространения Android, но на более глубоком уровне инфраструктуры. Поскольку Google стандартизировал API и инструменты для ОЕМ, таких как Samsung, чтобы те могли дифференцироваться, Android выиграл в конкуренции мобильных ОС, сейчас имея около 71% доли рынка.
Точно так же, Nvidia уже стала стандартным ИИ-субстратом, который стандартизирует симуляцию, обучение и развертывание для автономных транспортных средств (AVs). И не только существует полный программный стек с Omniverse/DRIVE/CUDA, но также и аппаратный стек, который идеально дополняет программное обеспечение и сертификацию.
Однако укоренение Nvidia гораздо глубже, потому что валидация автономности с нуля была бы непомерно затратной. Оказавшись в этой экосистеме, переход на другую платформу было бы нерационально. Более того, ни одна другая компания не предоставляет такого комплексного набора услуг. Последнее объявление о автономных транспортных средствах с CES 2026 только подтверждает эту траекторию.
Присоединяйтесь к нашей группе в Telegram и не пропустите важные новости о цифровых активах.
Nvidia решает проблему черного ящика ИИ
На данный момент Nvidia предоставила GPU для обучения, Omniverse для симуляции, DRIVE для вывода и инструменты безопасности для валидации. Хотя этот стек уже впечатляет, ему не хватает конкурентного преимущества. На выставке CES 2026 Nvidia анонсировала открытый исходный код модели Alpamayo, чтобы решить эту проблему.
Во-первых, в чем основная проблема автономного вождения?
Когда люди используют большие языковые модели (LLMs), они могут остаться с впечатлением, что взаимодействуют с разумными сущностями. Однако под этим слоем иллюзии (на что указывает Apple) находится вероятностная модель машинного обучения, которая вычисляет вероятность каждого возможного следующего слова в словаре. Следующее слово выбирается на основе паттернов во время обучения.
LLMs лишь отчасти детерминированы в том смысле, что они могут генерировать вывод на основе интернет-поисков или при решении задач по программированию. Другими словами, если ИИ сталкивается с проблемой, недостаточно представленной в обучающих данных, такой как вождение в новых экологических условиях, он обычно придумывает ответ.
Даже воспринимая ухудшенные объекты, люди могут заметить тонкие подсказки, чтобы правильно их идентифицировать. В отличие от этого, ИИ может обнаружить несоответствующие пиксельные паттерны для того, что должно представлять собой знак "стоп" и полностью неправильно его интерпретировать.
Другими словами, незнание того, что такое знак остановки на самом деле, как это делают люди, представляет собой проблему "черного ящика" для ИИ. До сих пор для ее решения в основном использовался грубый подход, требующий постоянно растущих вычислительных затрат и строительства дата-центров.
Следующий шаг в решении проблемы черного ящика ИИ для автономного вождения – это новая семья моделей ИИ, инструментов и наборов данных Alpamayo от Nvidia. Как большая модель визуально-языкового действия (VLA), Alpamayo 1 не только реагирует на паттерны, но и предоставляет причинно-следственное рассуждение для каждого действия.
Вместе с открытым исходным кодом AlpaSim и физическими открытыми наборами данных ИИ автопроизводители имеют больше инструментов, чем когда-либо, чтобы сделать автономное вождение максимально безопасным и надежным.
«Alpamayo создает захватывающие новые возможности для отрасли ускорить физический ИИ, улучшить прозрачность и увеличить безопасные развертывания уровня 4».
Сарфраз Маредия, глава автономной мобильности и доставки в Uber
Генеральный директор Nvidia Дженсен Хуанг назвал запуск Alpamayo «моментом ChatGPT для физического ИИ». Однако, в отличие от OpenAI, которой противостоят многие конкуренты, можно с уверенностью сказать, что Nvidia находится в превосходном положении, продвигаясь вперед с программным и аппаратным инфраструктурным стеком.
Может ли Китай угрожать ИИ-стеку Nvidia?
Согласно данным Counterpoint за декабрь по Q3 2025, китайская группа Geely Holding является мировым лидером по поставкам электромобилей, с долей рынка 61%. Китайская BYD Auto занимает 16%, оставляя Tesla с 13% долей рынка электромобилей по всему миру.
Интересно, что Waymo от Alphabet использует платформу Zeekr EV как одну из дочерних компаний в группе Geely Holding. Ранее мы пришли к выводу, что Tesla с большей вероятностью победит в гонке роботакси благодаря более унифицированному подходу и контролю над платформами.
Тем не менее, очевидно, что Китай освоил экономику масштаба, дополнительно усиленную тем, что не тратит энергию на расовые конфликты, которые преследуют Запад. В частности, инвесторы должны учитывать уровни городской преступности при рассмотрении вложений в такие компании, как Serve Robotics (SERV).
Не имея такой социальной фрагментации, справедливо сказать, что Китай более сфокусирован и упорядочен. К 2024 году более 60% новых автомобилей, продаваемых на материковом Китае, уже имели некоторый уровень автономного вождения.
Несмотря на экспортные ограничения на чипы ИИ, Китай также создал свою автономную индустрию на базе Nvidia. Однако предполагаемая геополитическая враждебность делает автономный сектор Китая более разнообразным, в то время как сложные обходные пути необходимо использовать для приобретения более мощных чипов ИИ, таких как Blackwell.
В целом, полные стеки ИИ Китая представлены следующими компаниями:
Baidu предоставляет высокоточные карты, алгоритмы и операционную систему DuerOS для автомобилей, обладающую как возможностями AI-диалога, так и более широкой унификацией автономного вождения. Baidu тесно сотрудничает с Geely, Chery и GAC, чтобы развивать свой флот роботакси Apollo Go. К середине 2025 года Baidu развернула более 1000 роботакси, немного опередив как Waymo, так и Tesla.
С аппаратной стороны, Huawei работает над тем, чтобы вытащить Китай из экосистемы Nvidia с процессорами Ascend AI и системой автономного вождения (ADS), которая является заменой для FSD Tesla. Кроме того, Huawei разработала чипсет Balong 5000 5G для V2X-коммуникаций и систем LiDAR. Ответ Huawei на фреймворки Nvidia – это открытый исходный код MindSpore, но, вероятно, он будет ориентирован на Китай.
Среди других заметных компаний Pony.AI и WeRide сосредоточены на полных программных стеках для развертывания автономного уровня 4 как для пассажирских, так и для грузовых перевозок. Дополняют их Horizon Robotics с его собственным NPU (процессором нейронной сети), а также Hesai Technology и RoboSense для LiDAR-датчиков.
Хотя более разнообразная, автономная экосистема Китая тесно сотрудничает на всех уровнях. Это, вероятно, является артефактом политического класса страны, находящегося выше своего торгового класса, как это видно по длительному отсутствию основателя Alibaba Джека Ма из общественного поля.
Когда дело доходит до долгосрочного масштабирования, китайский ADS похож на Waymo тем, что он полагается на лидар и предварительное картирование. Соответственно, большинство отчетов показывают, что подход Tesla с FSD (только визуальное) лучше справляется с разнообразными сценариями, в то время как ADS Huawei лучше подходит для локализованных городских условий, охваченных высокоточной картографией и более плотной локализованной пропускной способностью.
Следовательно, это сделает Tesla более подходящей на глобальном уровне, как мы заключили ранее.
Итог
В заключение, хотя чипы Ascend от Huawei сопоставимы с более старыми чипами H100 от Nvidia, Китай все еще догоняет Blackwell, так как Nvidia уже движется дальше с Vera Rubin. В дополнение к этому аппаратному разрыву платформа CUDA от Nvidia имеет более двух десятилетий преданности разработчиков и оптимизации.
С запуском открытого исходного кода Alpamayo также открытый исходный код MindSpore от Huawei вряд ли сделает значительный вклад, даже в китайских ИИ-компаниях. В целом, это делает аппаратные и программные барьеры Nvidia значительными и прочными.
Учитывая, что экономика роботакси и автономного вождения только начинает набирать обороты, вероятно, что Nvidia увидит оценки значительно выше 5 триллионов долларов к 2030 году.
Отказ от ответственности: Автор не владеет и не имеет позиции в каких-либо ценных бумагах, обсуждаемых в статье. Все котировки акций были приведены на момент написания.
Пост "Как Nvidia усиливает свои позиции в стеке автономных транспортных средств" появился первым на Tokenist.